振动、测试与诊断
振動、測試與診斷
진동、측시여진단
JOURNAL OF VIBRATION, MEASUREMENT & DIAGNOSIS
2014年
5期
802-806
,共5页
局部特征尺度分解%排列熵%滚动轴承%故障诊断%神经网络集成
跼部特徵呎度分解%排列熵%滾動軸承%故障診斷%神經網絡集成
국부특정척도분해%배렬적%곤동축승%고장진단%신경망락집성
@@
排列熵(permutation entropy,简称PE)是最近提出的一种检测时间序列随机性和动力学突变行为的方法,可以考虑将其应用于故障诊断.由于机械系统的复杂性,振动信号的随机性和动力学突变行为表现在不同尺度上,因此需要对振动信号进行多尺度的排列熵分析.基于此,提出了基于局部特征尺度分解(local characteristicscale decomposition,简称LCD)和排列熵的滚动轴承故障诊断方法.首先,采用LCD方法对振动信号进行自适应分解,得到不同尺度的的本征尺度分量(intrinsic scale component,简称ISC);其次,计算前几个包含主要故障信息的ISC分量的排列熵;最后,将熵值作为特征向量,输入基于神经网络集成建立的分类器.将该方法应用于滚动轴承实验数据,分析结果表明,此方法可有效实现滚动轴承的故障诊断.
排列熵(permutation entropy,簡稱PE)是最近提齣的一種檢測時間序列隨機性和動力學突變行為的方法,可以攷慮將其應用于故障診斷.由于機械繫統的複雜性,振動信號的隨機性和動力學突變行為錶現在不同呎度上,因此需要對振動信號進行多呎度的排列熵分析.基于此,提齣瞭基于跼部特徵呎度分解(local characteristicscale decomposition,簡稱LCD)和排列熵的滾動軸承故障診斷方法.首先,採用LCD方法對振動信號進行自適應分解,得到不同呎度的的本徵呎度分量(intrinsic scale component,簡稱ISC);其次,計算前幾箇包含主要故障信息的ISC分量的排列熵;最後,將熵值作為特徵嚮量,輸入基于神經網絡集成建立的分類器.將該方法應用于滾動軸承實驗數據,分析結果錶明,此方法可有效實現滾動軸承的故障診斷.
배렬적(permutation entropy,간칭PE)시최근제출적일충검측시간서렬수궤성화동역학돌변행위적방법,가이고필장기응용우고장진단.유우궤계계통적복잡성,진동신호적수궤성화동역학돌변행위표현재불동척도상,인차수요대진동신호진행다척도적배렬적분석.기우차,제출료기우국부특정척도분해(local characteristicscale decomposition,간칭LCD)화배렬적적곤동축승고장진단방법.수선,채용LCD방법대진동신호진행자괄응분해,득도불동척도적적본정척도분량(intrinsic scale component,간칭ISC);기차,계산전궤개포함주요고장신식적ISC분량적배렬적;최후,장적치작위특정향량,수입기우신경망락집성건립적분류기.장해방법응용우곤동축승실험수거,분석결과표명,차방법가유효실현곤동축승적고장진단.
